Importer le module cinema

Introduction

Depuis 2020, la pandémie de COVID-19 a eu un impact important sur l’activité économique. Ce rapport vise à analyser si et comment la crise sanitaire a influencé la dynamique des entreprises en France.

À travers des données statistiques (création d’entreprises, fréquentation des lieux culturels, variations régionales, etc.), nous cherchons à identifier les tendances, les ruptures et les éventuels changements durables liés à cette période.

🔍Problématique :

Le COVID-19 a-t-il influencé la dynamique des entreprises françaises ?

📉Graphiques:

Afin de mieux percevoir les changements que le Covid 19 a pu créer au sein des cinémas français voici quelques graphiques

🎥Graphiques liés aux matériels:

“Evolution du nombre de cinéma par région de 2018-2021”

import pandas as pd
import matplotlib.pyplot as plt

# 📄 Chemin du fichier CSV
chemin_fichier = "C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/EXPORT/STATISTIQUES/tout_materiel_par_region.csv"


df = pd.read_csv(chemin_fichier, sep=';')


df.columns = df.columns.str.strip()

print("Colonnes du fichier :", df.columns)


plt.figure(figsize=(12, 8))


regions = df["Région"].unique()
for region in regions:
    sous_df = df[df["Région"] == region].sort_values("Année")
    plt.plot(sous_df["Année"], sous_df["Nombre de cinémas"], marker='o', label=region)

# 🖼 Mise en forme du graphique
plt.title("🎬 Évolution du nombre de cinémas par région", fontsize=16)
plt.xlabel("Année", fontsize=12)
plt.ylabel("Nombre de cinémas", fontsize=12)
plt.legend(title="Régions", fontsize=10)
plt.grid(True)
plt.tight_layout()


chemin_sortie = "C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/Graphique/cinemas_par_region.png"
plt.savefig(chemin_sortie, dpi=300)
print(f"✅ Graphique enregistré ici : {chemin_sortie}")


plt.show()

Conclusion :

Le graphique illustre une constance du nombre de salles de cinéma dans la majorité des régions françaises entre 2018 et 2022. AUVERGNE-RHONES-ALPES se démarque nettement avec le plus grand nombre de salles, approchant les 350, ce qui témoigne de sa position dominante.

“Evolution du nombre d’ écrans par région de 2018-2021”🍿

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/EXPORT/STATISTIQUES/tout_materiel_par_region.csv", sep=';')
df.columns = df.columns.str.strip()
df["Année"] = pd.to_numeric(df["Année"])

plt.figure(figsize=(12, 8))
for region in df["Région"].unique():
    sous_df = df[df["Région"] == region]
    plt.plot(sous_df["Année"], sous_df["Nombre d'écrans"], marker='o', label=region)

plt.title("📺 Évolution du nombre d'écrans par région")
plt.xlabel("Année")
plt.ylabel("Nombre d'écrans")
plt.legend(title="Région")
plt.tight_layout()
plt.savefig("C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/Graphique/nombre_ecrans_par_region.png", dpi=300)
plt.close()

Conclusion :

Le graphique illustre une constance du nombre d’écran de cinéma dans la majorité des régions françaises entre 2018 et 2022. L’Île-de-France se démarque nettement avec le plus grand nombre de salles, approchant les 350, ce qui témoigne de sa position dominante.

“Evolution du nombre de fauteuils par région de 2018-2021”💺

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/EXPORT/STATISTIQUES/tout_materiel_par_region.csv", sep=';')
df.columns = df.columns.str.strip()
df["Année"] = pd.to_numeric(df["Année"])

plt.figure(figsize=(12, 8))
for region in df["Région"].unique():
    sous_df = df[df["Région"] == region]
    plt.plot(sous_df["Année"], sous_df["Nombre de fauteuils"], marker='o', label=region)

plt.title("💺 Évolution du nombre de fauteuils par région")
plt.xlabel("Année")
plt.ylabel("Nombre de fauteuils")
plt.legend(title="Région")
plt.tight_layout()
plt.savefig("C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/Graphique/nombre_fauteuils_par_region.png", dpi=300)
plt.close()

Conclusion :

Le graphique “Évolution du Nombre de fauteuils par région” montre une relative stabilité, voire une légère augmentation, du nombre de fauteuils de cinéma pour la plupart des régions entre 2018 et 2022. L’Île-de-France maintient sa position dominante avec le plus grand nombre de fauteuils.

Bien que sa croissance semble modérée sur cette période. Les autres régions affichent également des tendances stables ou de légères hausses.

  • Ce graphique nous donne l’évolution du nombre de séance par région de 2018-2021🕒
import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/EXPORT/STATISTIQUES/tout_materiel_par_region.csv", sep=';')
df.columns = df.columns.str.strip()
df["Année"] = pd.to_numeric(df["Année"])

plt.figure(figsize=(12, 8))
for region in df["Région"].unique():
    sous_df = df[df["Région"] == region]
    plt.plot(sous_df["Année"], sous_df["Nombre de séances"], marker='o', label=region)

plt.title("🎟️ Évolution du nombre de séances par région")
plt.xlabel("Année")
plt.ylabel("Nombre de séances")
plt.legend(title="Région")
plt.tight_layout()
plt.savefig("C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/Graphique/nombre_seances_par_region.png", dpi=300)
plt.close()
  • Conclusion :

    Le graphique des cinémas par région montre une croissance du nombrede séances avant 2020. Une stagnation est visible autour de 2020-2021 (période COVID), suivie d’une nette reprise après 2021, avec un retour aux niveaux pré-pandémiques voire un dépassement en 2022

    .

    “Evolution du nombre d’entrées par région de 2018-2021”🎟️

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/EXPORT/STATISTIQUES/tout_materiel_par_region.csv", sep=';')
df.columns = df.columns.str.strip()
df["Année"] = pd.to_numeric(df["Année"])

plt.figure(figsize=(12, 8))
for region in df["Région"].unique():
    sous_df = df[df["Région"] == region]
    plt.plot(sous_df["Année"], sous_df["Nombre d'entrées"], marker='o', label=region)

plt.title("👥 Évolution du nombre d'entrées par région")
plt.xlabel("Année")
plt.ylabel("Nombre d'entrées")
plt.legend(title="Région")
plt.tight_layout()
plt.savefig("C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/Graphique/nombre_entrees_par_region.png", dpi=300)
plt.close()

Conclusion :

Le graphique des cinémas par région montre ,baise du nombre d’entrées de 2019 à 2020 une croissance du nombre avant 2020. Une stagnation est visible autour de 2020-2021 (période COVID), suivie d’une nette reprise après 2021, avec un retour aux niveaux pré-pandémiques voire un dépassement en 2022.

Les régions très touristiques (Île-de-France, Provence-Alpes-Côte d’Azur) montrent un impact marqué.

“Evolution du taux de fauteuils par région de 2018-2021”

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/EXPORT/STATISTIQUES/tout_materiel_par_region.csv", sep=';')
df.columns = df.columns.str.strip()
df["Année"] = pd.to_numeric(df["Année"])

plt.figure(figsize=(12, 8))
for region in df["Région"].unique():
    sous_df = df[df["Région"] == region]
    plt.plot(sous_df["Année"], sous_df["Taux de fauteuils par habitant"], marker='o', label=region)

plt.title("📊 Évolution du taux de fauteuils par habitant par région")
plt.xlabel("Année")
plt.ylabel("Taux fauteuils / habitant")
plt.legend(title="Région")
plt.tight_layout()
plt.savefig("C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/Graphique/taux_fauteuils_par_habitant_par_region.png", dpi=300)
plt.close()

📌 Interprétation par région :

Le graphique “Évolution du Taux de fauteuils par habitant par région” de 2018 à 2022 montre une légère tendance à la baisse ou une stabilisation de ce taux pour la plupart des régions. Durant cette période, incluant l’impact de la pandémie de COVID-19, la capacité relative des cinémas par rapport à la population semble rester globalement stable, voire diminuer très légèrement.

L’Île-de-France maintient un taux comparativement plus bas que d’autres régions sur cette échelle.

Graphiques liés à la programmation

“Evolution du nombre de film inédits de 2018-2021”🎬

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/EXPORT/STATISTIQUES/tout_programmation_par_region.csv", sep=';')
df.columns = df.columns.str.strip()
df["Année"] = pd.to_numeric(df["Année"])

plt.figure(figsize=(12, 8))
for region in df["Région"].unique():
    sous_df = df[df["Région"] == region]
    plt.plot(sous_df["Année"], sous_df["Nombre de films inédits"], marker='o', label=region)

plt.title("📺 Évolution du nombre de film inédits par région")
plt.xlabel("Année")
plt.ylabel("Nombre d'écrans")
plt.legend(title="Région")
plt.tight_layout()
plt.savefig("C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/Graphique/Nombre de films inédits_par_region.png", dpi=300)
plt.close()

Conclusion :

Ce graphique montre une **forte baisse du nombre de films programmés en 2020 pour toutes les régions**, clairement due à la pandémie de COVID-19. **Avant 2020 et après 2021**, les chiffres sont nettement plus élevés et relativement stables ou en légère croissances

“Evolution du nombre de films programmés de 2018-2021”🎬

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/EXPORT/STATISTIQUES/tout_programmation_par_region.csv", sep=';')
df.columns = df.columns.str.strip()
df["Année"] = pd.to_numeric(df["Année"])

plt.figure(figsize=(12, 8))
for region in df["Région"].unique():
    sous_df = df[df["Région"] == region]
    plt.plot(sous_df["Année"], sous_df["Nombre de films programmés"], marker='o', label=region)

plt.title("📺 Évolution du Nombre de films programmés par région")
plt.xlabel("Année")
plt.ylabel("Nombre d'écrans")
plt.legend(title="Région")
plt.tight_layout()
plt.savefig("C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/Graphique/Nombre de films programmés_par_region.png", dpi=300)
plt.close()

“Evolution du Taux de rotation de film inédit sur écran de 2018-2021”🎞️

import pandas as pd
import matplotlib.pyplot as plt


df = pd.read_csv("C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/EXPORT/STATISTIQUES/tout_programmation_par_region.csv", sep=';')
df.columns = df.columns.str.strip()
df["Année"] = pd.to_numeric(df["Année"], errors="coerce")

plt.figure(figsize=(12, 8))
for region in df["Région"].unique():
    sous_df = df[df["Région"] == region]
    plt.plot(sous_df["Année"], sous_df["Taux de rotation de film inédit sur écran"], marker='o', label=region)

plt.title("📺 Évolution du Taux de rotation de film inédit sur écrans par région")
plt.xlabel("Année")
plt.ylabel("Nombre d'écrans")
plt.legend(title="Région", bbox_to_anchor=(1.05, 1), loc='upper left')
plt.tight_layout()
plt.savefig("C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/Graphique/Taux de rotation de film inédit sur écran.png", dpi=300)
plt.close()

Conclusion :

Pareillement aux nombres de films inédits programmés on observe que le taux de rotation des films sur écran entre 2019 et 2021 a relativement baisser. Puis tend a redevenir trés élevée aprés la periode post-covid

Graphiques liés à la fréquentation

“Evolution du Taux de fréquantation par fauteuils de 2018-2021”👥

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/EXPORT/STATISTIQUES/tout_frequentation_par_region.csv", sep=';')
df.columns = df.columns.str.strip()
df["Année"] = pd.to_numeric(df["Année"], errors="coerce")

plt.figure(figsize=(12, 8))
for region in df["Région"].unique():
    sous_df = df[df["Région"] == region]
    plt.plot(sous_df["Année"], sous_df["Taux de fréquentation par fauteuils"], marker='o', label=region)

plt.title("📺 Évolution du Taux de fréquentation par fauteuils par région")
plt.xlabel("Année")
plt.ylabel("Nombre d'écrans")
plt.legend(title="Région", bbox_to_anchor=(1.05, 1), loc='upper left')
plt.tight_layout()
plt.savefig("C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/Graphique/Taux de fréquentation par fauteuils_par_region.png", dpi=300)
plt.close()

“Evolution du Taux de rotation par fauteuils de 2018-2021”🏃‍♂️🏃‍♀️

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/EXPORT/STATISTIQUES/tout_frequentation_par_region.csv", sep=';')
df.columns = df.columns.str.strip()
df["Année"] = pd.to_numeric(df["Année"], errors="coerce")

plt.figure(figsize=(12, 8))
for region in df["Région"].unique():
    sous_df = df[df["Région"] == region]
    plt.plot(sous_df["Année"], sous_df["Taux de rotation des fauteuils"], marker='o', label=region)

plt.title("📺 Évolution du taux de rotation des fauteuils par région")
plt.xlabel("Année")
plt.ylabel("Nombre d'écrans")
plt.legend(title="Région", bbox_to_anchor=(1.05, 1), loc='upper left')
plt.tight_layout()
plt.savefig("C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/Graphique/Taux de rotation des fauteuils.png", dpi=300)
plt.close()

🧩 Interprétation par région :

Le graphique du “Taux de rotation des fauteuils” montre une chute brutale pour toutes les régions en 2020-2021 (période COVID), reflétant l’arrêt de l’activité cinématographique. Avant et après cette période, le taux est bien plus élevé, indiquant que les fauteuils étaient utilisés plus fréquemment. On observe une nette reprise en 2022 et 2023, sans toutefois toujours retrouver les niveaux pré-pandémiques

“Evolution du nombre d’entrées par séance de 2018-2021”

```{ndefined{python, eval=FALSE} import pandas as pd import matplotlib.pyplot as plt

df = pd.read_csv(“C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/EXPORT/STATISTIQUES/tout_frequentation_par_region.csv”, sep=‘;’) df.columns = df.columns.str.strip() df[“Année”] = pd.to_numeric(df[“Année”], errors=“coerce”)

plt.figure(figsize=(12, 8)) for region in df[“Région”].unique(): sous_df = df[df[“Région”] == region] plt.plot(sous_df[“Année”], sous_df[“Entrées par séance”], marker=‘o’, label=region)

plt.title(“📺 Évolution du Entrées par séance par région”) plt.xlabel(“Année”) plt.ylabel(“Nombre d’écrans”) plt.legend(title=“Région”, bbox_to_anchor=(1.05, 1), loc=‘upper left’) plt.tight_layout() plt.savefig(“C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/Graphique/Entrées par séance.png”, dpi=300) plt.close()


![](Graphique/entrees_par_seance_final.png)

***"Evolution du*** **nombre d'entrées par habitant** ***de 2018-2021"***


``` python
import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/EXPORT/STATISTIQUES/tout_frequentation_par_region.csv", sep=';')
df.columns = df.columns.str.strip()
df["Année"] = pd.to_numeric(df["Année"], errors="coerce")

plt.figure(figsize=(12, 8))
for region in df["Région"].unique():
    sous_df = df[df["Région"] == region]
    plt.plot(sous_df["Année"], sous_df["Entrées par habitant"], marker='o', label=region)

plt.title("📺 Évolution du Entrées par habitant par région")
plt.xlabel("Année")
plt.ylabel("Nombre d'écrans")
plt.legend(title="Région", bbox_to_anchor=(1.05, 1), loc='upper left')
plt.tight_layout()
plt.savefig("C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/Graphique/Entrées par habitant.png", dpi=300)
plt.close()

Le graphique du “Nombre d’entrées par habitant” montre une chute brutale pour toutes les régions en 2020-2021 (période COVID), reflétant l’arrêt de l’activité cinématographique. Avant et après cette période, le nombre est bien plus élevé, indiquant une fréquentation plus réguliere des cinémas avant le covid. On observe une nette reprise en 2022 et 2023, sans toutefois toujours retrouver les niveaux pré-pandémiques

Graphique de classement régionale

“Le top 10 des région avec le plus grand nombre de cinéma en 2022”

import pandas as pd
import matplotlib.pyplot as plt

# 📄 Lecture des données
df = pd.read_csv("C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/EXPORT/STATISTIQUES/tout_materiel_par_region.csv", sep=';')
df.columns = df.columns.str.strip()
df["Année"] = pd.to_numeric(df["Année"], errors="coerce")

# 🎯 Filtrage sur l'année la plus récente
annee_cible = 2021
df_2021 = df[df["Année"] == annee_cible]

# Dossier de sortie
chemin_graph = "C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/Graphique/"

# 1️⃣ Top 10 régions – Nombre de cinémas
top_cinemas = df_2021.groupby("Région")["Nombre de cinémas"].sum().sort_values(ascending=False).head(10)
plt.figure(figsize=(10, 6))
top_cinemas.plot(kind="barh", color="skyblue")
plt.title("🎬 Top 10 régions par nombre de cinémas en 2022")
plt.xlabel("Nombre de cinémas")
plt.gca().invert_yaxis()
plt.tight_layout()
plt.savefig(chemin_graph + "top10_cinemas_2022.png", dpi=300)
plt.close()

chemin_graph = "C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/Graphique/"

# Chargement du fichier CSV
df = pd.read_csv("C:/Users/Nya Devas/Desktop/SAE_Cinema/APPLICATION/EXPORT/STATISTIQUES/tout_frequentation_par_region.csv", sep=';')
df.columns = df.columns.str.strip()

# Conversion des colonnes nécessaires
df["Année"] = pd.to_numeric(df["Année"], errors="coerce")

# Nettoyage de la colonne "Entrées par habitant"
df["Entrées par habitant"] = (
    df["Entrées par habitant"]
    .astype(str)
    .str.replace(",", ".")
    .str.replace(" ", "")
)

# Conversion en float
df["Entrées par habitant"] = pd.to_numeric(df["Entrées par habitant"], errors="coerce")

# Filtrage pour l'année cible
annee_cible = 2021
df_2021 = df[df["Année"] == annee_cible]

# Calcul des moyennes
top_entrees = (
    df_2021.groupby("Région")["Entrées par habitant"]
    .mean()
    .sort_values(ascending=False)
    .head(10)
)

# Création du graphique
plt.figure(figsize=(10, 6))
top_entrees.plot(kind="barh", color="lightgreen")
plt.title(f"👥 Top 10 régions par entrées par habitant en 2022")
plt.xlabel("Entrées par habitant")
plt.gca().invert_yaxis()
plt.tight_layout()
plt.savefig(chemin_graph + f"top10_entrees_par_habitant_2022.png", dpi=300)
plt.close()

🎬 Problématique : Est-ce que le COVID-19 a eu un impact sur la dynamique des cinémas en France ?

✅ Réponse :

Oui, la crise du COVID-19 a fortement perturbé la dynamique des cinémas français. Les données entre 2018 et 2021 montrent clairement une baisse de la fréquentation et une activité ralentie à cause de la pandémie.

🔍 1. Moins de spectateurs dans les salles

Le premier graphique montre que le nombre d’entrées au cinéma a fortement chuté en 2020, après une bonne progression en 2019.
Cela s’explique par :

Les confinements

La fermeture des salles de cinéma pendant plusieurs mois

Et les restrictions sanitaires (comme la distanciation ou les jauges limitées)

Même en 2021, on voit que la reprise est lente et variable selon les régions.

🪑 2. Les sièges sont restés vides

Le deuxième graphique montre que le nombre de fauteuils par habitant reste assez stable.
Cela signifie que les cinémas n’ont pas fermé massivement, mais les sièges étaient beaucoup moins occupés.

En résumé : les salles étaient là, mais les spectateurs beaucoup moins.

🔁 3. Moins d’utilisation des salles

Le troisième graphique, sur le taux de rotation des fauteuils, montre combien de fois chaque siège est utilisé en moyenne.
Ce taux augmente jusqu’en 2019, puis chute en 2020, ce qui confirme une forte baisse d’activité dans les cinémas.
En 2021, certaines régions retrouvent un peu d’activité, mais la reprise reste inégale.

📌 Conclusion

Le COVID-19 a bien eu un impact direct sur les cinémas : moins de spectateurs, moins d’activité, mais des salles toujours présentes.
Cela montre une rupture nette dans la dynamique positive d’avant 2020, suivie d’une reprise lente et fragile.

👉 Oui, la pandémie a freiné l’élan des cinémas français, qui peinent encore à retrouver leur niveau d’avant en tenant compte de l’arrivée de Netflix,prime Video et bien d’autres qui font obstacle aux cinémas puisque les gens tendent plus à regarder les films chez eux .